对偶单纯形法迭代的起点：从可行基本解开始

对偶单纯形法是一种求解线性规划问题的有效算法。该算法通过对偶问题的求解，将原问题转化为对偶问题，并在对偶问题上进行迭代求解。对偶单纯形法的迭代过程可以分为三个步骤：初始化、进入循环、结束循环。

对偶单纯形法的第一步是初始化。初始化要求首先构造对偶问题，并找到对偶问题的可行基本解。对于原问题，需要将其转化为标准型，即所有约束条件均为等式形式，且所有变量均为非负。然后，根据原问题的标准型形式，构造对偶问题。对偶问题的约束条件为非负变量的线性组合，目标函数为最大化。

对偶单纯形法的初始化要求找到对偶问题的可行基本解。可行基本解是指对偶问题的一组非负变量组合，满足所有约束条件，并且至少有一个变量为0。对于对偶问题，可行基本解可以通过求解原问题的最优解得到。如果原问题无解或者原问题有无穷多个最优解，则对偶问题无可行基本解，对偶单纯形法无法求解。

初始化完成后，对偶单纯形法进入迭代循环。迭代循环的过程中，对偶问题的可行基本解会被不断地调整，直至找到对偶问题的最优解。

在每一次迭代中，对偶单纯形法会首先计算变量的净收益。变量的净收益是指，将变量从0增加到一个正值时，目标函数值的变化量。对于对偶问题，净收益可以通过计算原问题中对应变量的单位费用来得到。

然后，对偶单纯形法会选择一个入基变量和一个出基变量。入基变量是指一个非基变量，将它加入到基变量中会使目标函数值增加。出基变量是指一个基变量，将它替换为入基变量能够满足约束条件，并使目标函数值最小化。入基变量和出基变量的选择是通过计算变量的净收益和约束条件的限制来进行的。

当对偶单纯形法找到对偶问题的最优解时，迭代循环结束。此时，对偶问题的可行基本解就是原问题的最优解。

对偶单纯形法的迭代是从对偶问题的可行基本解开始的。 通过计算变量的净收益，选择入基变量和出基变量，不断地调整可行基本解，直至找到对偶问题的最优解。对偶问题的最优解就是原问题的最优解。